Opus 5.5 刷新 Bug Hunt Bench 纪录,自检超 800 轮仍不罢工
PawelHuryn · x · 2026-09-29
Pawel Huryn 报告 Anthropic 新模型在 Bug Hunt Bench 上的表现刷新历史:
- Opus 5.5 (max):138–163 次模型调用,在最后 1 分钟内完成报告(n=3 中第 1 个 repo)。
- Sonnet 5 (max):207 轮交互。
- Sonnet 5.5 (max):执行风格截然不同——628 次模型调用,66 分钟时写出报告后仍在持续工作,111 分钟时已达 818 轮,反复自查代码。
作者称这是 Bug Hunt Bench 历史上从未见过的行为,最终报告可能非常出色,后续将在第二个 repo 评分后继续重复实验至 n=3。
所属事件:Anthropic 新模型刷新 Bug Hunt Bench 纪录(3 条相关)→
「编程与Agent」频道最新
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- Effective HTML 走红 GitHub:4.2k 星的 agent 技能集,线框图秒变可交互原型 — tom_doerr · 2026-11-16
- skills-gate:一个门面 skill 管住所有 agent skills,148 个技能仅耗 389 token — Distinct-Pie2389 · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16